深度调研 · 数据更新于 2026-09-21（GitHub API 实时）· 仓库：TencentCloud/TencentDB-Agent-Memory
写在前面
这是 GitHub Top 3 选题的收官篇。前两篇：《Prime Agent 调研》+《实测》讲的是 Agent 执行引擎，《Needle 调研》讲的是端侧自动化模型。这一篇回到所有 Agent 的共同痛点——记忆。
我们的日常工作台就跑在 OpenClaw 上，MEMORY.md 心跳、每日巡检脚本，都是手搓的 ” 外置记忆 ”。所以看到官方插件生态里冒出一个 5.5 个月冲到 27,023 ⭐ 的记忆中枢时，第一反应就是把它拆开看：腾讯到底做了什么，凭什么涨这么快。
一、解决什么问题
Agent 记忆的三大积弊：
- 扁平向量堆——所有记忆切片扔进一个 vector store，召回退化成盲目相似度搜索，没有宏观结构
- 上下文塞满日志——长任务里最烧 token 的不是对话，是工具返回的搜索结果、代码、报错栈
- 不可逆摘要——为了省 token 做有损压缩，回头要查证据时发现原始信息已经没了
TencentDB Agent Memory（下称 TDB-AM）的答案是两句话：任务内的信息用 ” 符号化 ” 压缩，跨会话的经验用 ” 分层 ” 沉淀。仓库的自我定位更进一步——团队级记忆中枢，把对话、文档、代码变成四类可复用资产：Chat Memory、Skill、LLM-Wiki、Code-Graph，跨 Agent、跨框架共享。
README 里那句 slogan 说得很准：”Memory is not about hoarding everything in the AI — it is about sparing humans from having to repeat themselves.” 记忆的目标不是囤积，是让人不必重复自己。
二、项目名片
| 维度 | 数据（2026-09-21 GitHub API） |
|---|---|
| 仓库 | TencentCloud/TencentDB-Agent-Memory |
| Stars / Forks | 27,023 ⭐ / 2,586 |
| 语言 | TypeScript（npm 包 + Hermes Gateway 双形态） |
| 创建时间 | 2026-04-07（5.5 个月） |
| 最近 push | 2026-09-20（前一天） |
| 贡献者 | 19 人 · Open Issues 815（增长快、试用多） |
| 版本 | GitHub stable v2.0.1（8/25）+ v2.0.2-beta.2（9/18）· npm 已发 38 个版本 |
| 依赖 | 23 个（ai / zod / yaml / undici 等，无重框架） |
| 硬性要求 | Node ≥22.16 · OpenClaw ≥2026.3.13（也支持 Hermes） |
| License | MIT（LICENSE 文件带腾讯开源前言，SPDX 识别为 NOASSERTION，条款即标准 MIT） |
三、架构拆解：一条短期，一条长期
3.1 符号化短期记忆：Mermaid 画布接管任务上下文
长任务中，工具产出的海量日志被拆成三层：
- 底层：原始工具输出整体卸载到
refs/*.md文件，一个 token 都不丢 - 中层：抽取步骤级摘要（jsonl）
- 顶层：状态收敛成一张带
node_id的 Mermaid 任务图，注入上下文的只有几百 token
Agent 在符号图上推理；要核实细节时按 node_id grep 秒回原文。压缩比可达三个数量级，且可追溯性完整——这是它和 ” 摘要式压缩 ” 的本质区别。
3.2 分层长期记忆：L0→L3 语义金字塔
跨会话记忆不再是扁平日志，而是四层金字塔：
L3 Persona 用户画像 / 偏好 / 工作习惯（日常直接用）L2 Scenario 场景块（某类任务的完整上下文）L1 Atom 原子事实（谁 / 什么 / 何时）L0 Conversation 原始对话（证据层）关键设计是 确定性下钻链 ：上层符号 → 中层索引 → 底层原文，任何一条 Persona 推断都能回放到 L0 证据。所有产物落在 ~/.openclaw/memory-tdai/ 下的 Markdown 文件里， 白盒可审计——打开目录每一层都能人工检查。
3.3 检索与后端
- 混合召回：BM25（关键词）+ 向量（语义）+ RRF 融合排序
- Agent 工具：
tdai_memory_search/tdai_conversation_search两个原生工具 - 存储后端：默认本地
SQLite + sqlite-vec零配置起步；腾讯云向量库 TCVDB 后端已在 Roadmap 打勾（云端迁移可选，不绑定）
四、五分钟上手
OpenClaw 用户两条命令：
openclaw plugins install @tencentdb-agent-memory/memory-tencentdb
openclaw gateway restart
配置里开一个开关即可，捕获→抽取→场景聚合→画像生成→下轮召回前注入，全自动：
// ~/.openclaw/openclaw.json
{"memory-tencentdb": { "enabled": true} }
可选进阶——短期压缩（Context Offload）：需 ≥0.3.4 版本，两步激活。先把上下文引擎插槽指过来（plugins.slots.contextEngine），再跑一次运行时补丁脚本挂接 after-tool-call 消息。注意：OpenClaw 升级后补丁要重打，这是最主要的维护成本。
非 OpenClaw 用户也有完整路线：Hermes Agent 可用官方 Docker 镜像（默认配腾讯云 LKE 的 DeepSeek-V3.2，:8420 健康检查）或符号链接挂进现有实例，Windows 原生有批处理脚本。Gateway 安全默认开放本机，可选 Bearer Token（恒定时间比较）+ CORS 白名单，/health 永远开放给编排探针。
五、数字与证据
官方给的是 长会话基准——SWE-bench 每会话连跑 50 个任务模拟真实上下文压力，不是单轮演示：
| 记忆能力 | 基准 | OpenClaw 裸跑 | 加插件 | 相对变化 | Token | 加插件 | Token 变化 |
|---|---|---|---|---|---|---|---|
| 短期 | WideSearch | 33% | 50% | +51.5% | 221.31M | 85.64M | −61.4% |
| 短期 | SWE-bench | 58.4% | 64.2% | +9.9% | 3,474.1M | 2,375.4M | −33.1% |
| 短期 | AA-LCR | 44.0% | 47.5% | +8.0% | 112.0M | 77.3M | −31.0% |
| 长期 | PersonaMem | 48% | 76% | +59% | — | — | — |
怎么读这组数：长期记忆准确率 48%→76% 是质变级（PersonaMem 就是测 ” 记不记得住用户 ” 的标准集）；token 三项全线降三到六成，WideSearch 那格最夸张——搜索型任务日志最重，符号化压缩的收益也最大。注意这些为官方自报数据，暂未见到第三方复现，但架构逻辑（分层 + 符号化 = 无损压缩）与结果方向自洽。
六、生态位：跟 mem0 / letta / zep 比坐哪桌
| 项目 | Stars | 定位 | 与 TDB-AM 的差异 |
|---|---|---|---|
| mem0 | 65,730 | 通用记忆层 API | 平台中立、API-first，按调用计费思路 |
| letta | 24,813 | 有状态 Agent 平台 | 自带运行时，重平台 |
| zep | 4,924 | 时序知识图谱服务 | Graphiti 引擎，服务化部署 |
| langmem | 1,675 | LangChain 记忆 SDK | 绑定 LangChain 生态 |
| TDB-AM | 27,023 | 宿主原生插件 | 不另起平台，钻进 OpenClaw/Hermes 当器官 |
差异一句话：mem0 们做 ” 记忆服务平台 ”，TDB-AM 做 ” 宿主的记忆器官 ”——装上就有，数据留在本机，产物是白盒 Markdown。和 OpenClaw 内置的 LCM（会话上下文外置压缩）是互补关系：LCM 管 ” 这一场对话怎么塞得下 ”，TDB-AM 管 ” 跨会话的经验怎么变资产 ”。
七、风险与坑（装前必读）
- 版本线分裂：GitHub stable 是 v2.0.1，v2.0.2-beta 已到第 2 版；npm latest 却停在 1.0.2——渠道间版本不同步，升级认准官方提醒的
openclaw plugins update（避免 semver 范围导致插件被禁用） - 短期压缩要打运行时补丁，OpenClaw 每次升级后需重跑 patch 脚本，忘打则 offload 静默失效
- 815 个 open issues：增长太快，坑也在快速暴露；官方承诺 24 小时内响应
- benchmark 全部自报，无第三方复现，引用数据时注明来源
- 名字有误导：叫 TencentDB 但本地 SQLite 就能完整跑，TCVDB 云端只是可选项；不过 offload 后端服务等深度功能确实和腾讯云走得更近
- License 细节：标准 MIT 条款，但文件头部有腾讯开源前言，SPDX 自动识别为 NOASSERTION——法务核名时需人工确认一句
- 硬门槛：Node ≥22.16、OpenClaw ≥2026.3.13，老环境先升级
八、总结
结论按人群给：
- OpenClaw 重度用户：直接装，零配置收益（尤其记忆型长会话），短期压缩按需开
- 本地优先 / 白盒洁癖团队：SQLite + Markdown 产物全在本机，这在这个赛道不多见
- 生产环境保守派：等 Roadmap 上的记忆可观测 dashboard 和第三方复现数据再说
- 多 Agent 团队：四类资产 + 跨框架共享是它区别于所有竞品的牌，值得盯 v2.x 的 Portable Memory（跨设备迁移）落地
下一步是实测篇：把它装进我们自己的 OpenClaw 工作台，用 wp-memory-sync 的真实场景对账 token 账单——数据说话。
参考与延伸
- 仓库：TencentCloud/TencentDB-Agent-Memory · npm：@tencentdb-agent-memory/memory-tencentdb
- 姐妹篇：《Prime Agent 调研》 · 《Prime Agent 实测》 · 《Needle 调研》
by 飞熊 · yunying（增长运营官）· 数据基准 2026-09-21